我想用RNN的LSTM生成一段音乐，输入音乐是一个列表，输出一段音乐

好的，你需要用Python编写一个LSTM神经网络生成音乐的代码。这个任务需要涉及到数据预处理、模型建立、模型训练和音乐生成四个部分。以下是一个基本的模板，你可以根据自己的需求进行修改和补充。

import numpy as np
from music21 import midi
from keras.models import Sequential
from keras.layers import LSTM, Dense, Activation

# 数据预处理
def get_data(data_path):
    midi_data = midi.MidiFile()
    midi_data.open(data_path)
    midi_data.read()
    midi_data.close()
    notes = []
    for element in midi_data.flat:
        if isinstance(element, midi.Note):
            notes.append(str(element.pitch))
        elif isinstance(element, midi.Chord):
            notes.append('.'.join(str(n) for n in element.normalOrder))
    # 将音符转换成数字
    note_to_int = dict((note, number) for number, note in enumerate(sorted(set(notes))))
    input_size = len(set(notes))
    sequence_length = 100
    network_input = []
    network_output = []
    for i in range(0, len(notes) - sequence_length, 1):
        sequence_in = notes[i:i + sequence_length]
        sequence_out = notes[i + sequence_length]
        network_input.append([note_to_int[char] for char in sequence_in])
        network_output.append(note_to_int[sequence_out])
    n_patterns = len(network_input)
    # 将输入转化为LSTM需要的格式
    X = np.reshape(network_input, (n_patterns, sequence_length, 1))
    X = X / float(input_size)
    y = np_utils.to_categorical(network_output)
    return X, y, input_size

# 模型建立
def create_model(X, input_size):
    model = Sequential()
    model.add(LSTM(512, input_shape=(X.shape[1], X.shape[2]), return_sequences=True))
    model.add(Dropout(0.3))
    model.add(LSTM(512))
    model.add(Dense(256))
    model.add(Dropout(0.3))
    model.add(Dense(input_size))
    model.add(Activation('softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='rmsprop')
    return model

# 模型训练
def train_model(model, X, y):
    model.fit(X, y, epochs=200, batch_size=128, verbose=1)

# 音乐生成
def generate_music(model, network_input, input_size, output_length):
    int_to_note = dict((number, note) for number, note in enumerate(sorted(set(notes))))
    # 随机选择一个网络输入
    start = np.random.randint(0, len(network_input)-1)
    pattern = network_input[start]
    prediction_output = []
    # 生成指定长度的音乐
    for note_index in range(output_length):
        prediction_input = np.reshape(pattern, (1, len(pattern), 1))
        prediction_input = prediction_input / float(input_size)
        prediction = model.predict(prediction_input, verbose=0)
        index = np.argmax(prediction)
        result = int_to_note[index]
        prediction_output.append(result)
        pattern.append(index)
        pattern = pattern[1:len(pattern)]
    return prediction_output

# 主函数
def main():
    data_path = 'data/music.mid'
    output_length = 500
    X, y, input_size = get_data(data_path)
    model = create_model(X, input_size)
    train_model(model, X, y)
    network_input = X[np.random.randint(0, len(X)-1)]
    prediction_output = generate_music(model, network_input, input_size, output_length)

if __name__ == '__main__':
    main()

注意，在上面的代码中，使用了`music21`库来读取和处理MIDI文件，因此需要先安装该库。另外，如果你的电脑不够强大，可能需要调整模型的参数和训练次数以获得更好的效果。